산업 제어 시스템의 IoT 진화 
디지털 트윈으로 제조 운영 개선
 
80bbddd685fb789b3167d6781eb5eebe_Industry1_메인.jpg
 
지난 수십 년 동안 첨단 기술로 제조업은 엄청난 성장을 이루었다. IoT, 센서 및 AI 같은 기술은 제조업을 발전시켰고, 마침내 산업혁명 4.0이 현실화 되어 가는 것을 보고 있다. 일부 사람들은 디지털 트윈은 IoT 기술의 한 지류라 생각할지 모르나 제조 분야에서 차세대 혁신을 주도할 준비가 되어가고 있다. 사실, 디지털 트윈은 위에 나열된 여러 기술을 모두 통합하는 강력한 기술이며, 현재 크고 작은 제조기업들의 괄목할 성장을 주도하고 있다.
디지털 트윈 기술을 모든 회사가 한때 관심을 가졌던 일시적인 유행으로 생각한다면 그것은 현명하지 못한 일이 될 것이다. 글로벌 팬데믹 여파로 혁신을 모색하고 있는 제조기업들이 판도를 바꾸려는 목적으로 디지털 트윈을 최대한 활용하고 있는 것이 지금의 현실이다. 제조 운영 개선을 위해 디지털 트윈을 사용하고 있는 세 가지 방법을 아래에 소개한다.
 
출처 : manufacturingtomorrow 
제공 : K-smartfactory
 
현실 세계 데이터 복제
(Replicating Real-World Data)
 
디지털 트윈이라는 말이 많이 이야기되고 있지만, 왜 이 기술이 제조기업의 미래에 필요한지 설명이 필요하다. 디지털 트윈(digital twin)은 실제 시스템이나 디바이스를 컴퓨터로 시뮬레이션 하는 것이다. 모델은 다양한 유형의 테스트에 의해 구동되는 '실행 가능한 모델'로 실행되도록 만들어 진다. 시뮬레이션 한 결과로 해당 실제 디바이스를 복제하는 데이터를 생성한다.
중요한 것은 디지털 트윈에 대한 실제 데이터의 복제는 센서의 영향을 받는다. 
디지털 트윈은 단순한 시뮬레이션으로 보이지만 사실은 그렇지 않다. 최종 사용자가 수신하는 데이터는 실제 조건에서 디지털 트윈에 표시되는 실제 센서를 통하여 얻어지므로, 더 정확한 그랙픽이 보장된다. 디지털 트윈은 실물 기반 센서를 통해 IoT 주도로 제조업 운영의 최적화를 향상시킬 수 있다. 결과적으로 제조업체는 엄청난 데이터 더미 속에서 실행 가능한 비즈니스 통찰력을 얻게 된다.
제조현장이 잘 정리된 실제 데이터로 운영될 경우 디지털 트윈 분석을 통해 유지보수 및 관리 팀의 업무 방식을 혁신할 수 있다. 이 강력한 도구를 사용하면 비교, 분석, 가상 시나리오 및 중요한 추적 기능을 사용할 수 있다. 디지털 트윈 프레임워크는 단순히 정리되지 않은 원시 센서 데이터를 수집하는 것이 아니라, 물리적 설비자산의 능력을 최적화하여 의미 있게 활용하게 한다.
FMI와 Autodesk의 최근 조사에 따르면, 이용 가능한 프로젝트 데이터는 지난 3년 사이에 두 배로 증가했지만, 응답자의 25%는 여전히 그 데이터가 사용할 수 없는 상태로 남아 있다고 응답했다. 또한 잘못 내린 의사결정 1/3의 가장 큰 원인은 데이터가 불충분했기 때문이라고 응답했다. 
산업혁명 4.0을 현실화 하고자 한다면 정리되지 않은 데이터분석에 의존할 수 없다. 또한 제조 운영에 있어서 정확한 정보에 입각한 데이터 중심 의사결정을 내리고 있다는 사실만으로도 의사결정 할 때 느끼는 불안을 상당히 줄일 수 있다.
 
장비 리스크 완화
(Mitigating Equipment Risks)
 
디지털 트윈이 사업적 관점에서 제조업체를 올바른 방향으로 이끄는 데 도움이 될 뿐 아니라, 개별 설비자산에 대한 명확한 계획도 세울 수 있다. IoT 지원 장치는 펌프, 밸브, 팬, 냉각 탑, 모터 같은 장치의 파라미터 변화를 계측할 수 있다.
많은 가치 있는 데이터가 분석되어 무엇이, 언제, 그리고 왜 그 값이 변하는지 파악할 수 있다. 엔지니어링 팀이나 유지보수 팀이 예측적 유지보수와 최적화 향상을 위한 솔루션을 찾아 IoT를 활용하면 생산 기계나 설비의 진동, 표면 온도, 습도, 압력, 속도, 레벨 및 흐름과 같은 장비 매개 변수의 변화를 쉽게 관찰할 수 있어 업무시간과 비용을 절약할 수 있다.
예를 들어, 설비자산 상태의 디지털화로 펌프, 밸브 또는 장비의 핵심 부품이 수명주기 동안 어떻게 운영되었는지에 대한 이력과 역학을 파악할 수 있다. 디지털 트윈의 데이터는 실제 장치의 가동 이력을 추적하고, 데이터 분석과 데이터 중심으로 의사 결정을 하기 때문에 애매 모호성을 대폭 줄인다. 물론 보다 체계적인 데이터 관리로 디지털 트윈이 구현되는 주변 프로세스를 개선할 수 있는 기회가 많아져 이전에는 알 수 없었던 최적화를 가능하게 한다.
또한, 이상적인 운영 파라미터 설계치 대비 물리적 설비 자산의 동작을 모니터링 하는 기능을 통해 유지 보수 관리 팀은 유사 장비의 모든 기술적 특성과 운영 통찰력을 비교할 수 있다. 따라서 잘 고안된 데이터 중심의 디지털 트윈 분석과 비교, 분석, 가상 시나리오와 의미 있는 추적 기능이 있는 편리한 도구를 통하여 유지보수 및 관리 팀의 업무 추진 방식도 혁신된다.
 
데이터 시각화의 단순화
(simplifying Data Visualizations)
 
기존의 산업 제어 시스템에 비해 IoT는 비교적으로 역사가 짧고 디지털 트윈 개념은 아직 성숙되어 가는 단계에 있다. 그러나, 이러한 기술 원리는 충분하며 무시할 수 없을 만큼 많은 성공 사례가 전 세계적으로 운영되고 있다. 
많은 IoT 솔루션을 보면 다양한 방법으로 디지털 트윈을 활용하고 있다. 센서 데이터가 집중되는 간단한 로봇 팔 이미지에서 박사들도 이해하기 어려운 매우 복잡한 알고리즘과 시각화에 이르기까지 다양한 방식으로 디지털 트윈을 활용하고 있다.
중요한 것은 디지털 트윈을 활용하는 궁극적인 장점은 단순화이다. 중요한 장비의 개별 부분을 각기 모니터링하고, 서로 다른 산업에서 운영되는 유사한 장비의 모든 기술적 특성과 운영 통찰력을 비교할 수 있는 능력은 시간 경과에 따라 어떤 경향성을 나타나게 된다.
우수한 디지털 트윈 프레임워크는 데이터베이스를 재구축하거나 새로운 프레임워크를 지속적으로 만들 필요 없이 고유의 디지털 뷰포인트가 무제한 포함된 대시보드를 활용한다. 어떤 디지털 트윈이 동적 센서 데이터, 정적 설비자산 데이터 그리고 성능 분석 통찰력을 가질 수 있다 하더라도 궁극적으로는 단일 개체로 관리 되어 표현되기 때문에 최종 사용자에게는 단순성이 보장되어야 한다.
이러한 시각화의 단순성은 최종 사용자가 쉽게 이해하기 위해 반드시 필요하다. 최종 사용자가 데이터에 빠져들기보다는 이해하기 쉬운 방식으로 데이터를 볼 수 있어야 한다. 예를 들어 펌프에 유량 센서를 설치하면 온도나 진동을 모니터링 하는 우수한 도구가 된다. 유지보수 문제로 발생할 수 있는 설비의 다운타임을 예방할 뿐만 아니라 제조 현장의 안전을 보장하는 데 필수적인 것들이다.
저작권자 © INDUSTRY TODAY 무단전재 및 재배포 금지